本文转自微信公众号“新智元”，作者：新智元。
【导读】
OpenAI的Sora翻车后，迎来谷歌的暴击：昨天深夜，Veo 2、Imagen 3、Whisk一套组合拳打来，AI视频和生图根据，再次被谷歌改变了。
全新发布的Veo 2，实测效果已经被许多人公认「超越Sora」。
作为谷歌最先进的视频生成模型，Veo 2更好地理解现实世界物理和运动的细微差别，理解电影摄影语言的能力（如镜头类型和效果），分辨率高达4K。
同时放出的，还有Imagen 3图像生成模型，和用图像而非文本作为prompt的工具Whisk。
无论是在LLM上，还是在视觉创作上，谷歌正在缩小和OpenAI的差距。
举个栗子，我们用相同的提示「A pair of hands skillfully slicing a ripe tomato on a wooden cutting board」生成一个切西红柿的视频。
在Veo 2中，西红柿不仅会随着刀子的前后移动而移动，并且其横断面清晰可见。切片虽略显厚实，但前后始终保持一致，而且还能正确地叠放起来。
相比之下，Sora不仅照着手指疯狂下刀，而且切了半天的西红柿依然「完好无损」……
难怪有网友说，在理解物理世界和一致性上，Veo 2已经到了next level。
高达4K的分辨率，大大提升的细节和真实感，人体动作和表情的改善，以及更好的物理建模和时间一致性，都让Veo 2达到了顶级AI视频模型的级别。
在Meta的Movie Gen Bench上，Veo已经可以和Kling、Minimax、Sora掰手腕了
想象一下，只用简单文字描述，就能生成高达4K、超长分钟的精美视频。
它可以遵循简单和复杂的指令，并在物理模拟过程中，展现出令人惊叹的生成质量。
镜头如清风般轻柔地穿梭在粉彩色的木制蜂箱之间，勤劳的蜜蜂翩翩起舞，时隐时现于画框之中。画面缓缓停驻在场景中央那位气质优雅的养蜂人身上，他身着的洁白养蜂服在金色的午后阳光中熠熠生辉。他轻抬着一罐琥珀色的蜂蜜，略微倾斜着让阳光透过蜜液折射出温暖的光晕。在他身后，一片高大的向日葵随着微风轻轻摇曳，金黄的花瓣在温暖的阳光照耀下绽放出柔和的光芒。镜头徐徐上移，展现出一座典雅的乡村老宅，薄荷绿色的百叶窗点缀其间，摇曳的树影在墙面上织就出斑驳的光影图案。这组照片采用35毫米镜头搭配柯达Portra 400胶片摄制，浸润在金色光线中的每一个细节——养蜂人的手套、晶莹的蜂蜜罐、饱经岁月的蜂箱木纹，都呈现出丰富而细腻的质感层次
现在，Veo 2可以像电影摄影师一样和我们交流。不必再费力和它讨论技术参数、猜测Gemini的标题，只要用习惯的术语说出想要的内容即可。
另外，我们还可以进行更精确的相机控制，比如下图就是一个包含第一人称视角、转移焦点的提示。
可以看到，车内的皮革内饰、车速表等高频细节，给人留下极其深刻的印象。
通过人类评估，Veo 2模型在与几大顶尖视频模型的对比中，脱颖而出。
它不仅仅是简单地生成视频，更是对现实世界物理规律、人类动作，表情方面得到了极致的理解。
相较于其他的AI视频模型，Veo 2在细节、真实感、伪影减少方面得到了显著的改进。
Veo 2能以精确的方式生成运动画面，这主要归功于它对物理学的理解、和遵循详细指令的能力。
它能精确理解指令，创建各种拍摄风格、角度、运动效果，以及这些元素的组合。
对于创作者而言，Veo 2就像是一个无所不能的AI导演。你可以指定电影类型、镜头风格，甚至是特定的电影技巧，它皆可完美呈现。
富有电影感的镜头捕捉了一位身着暗黄色生化防护服的女医生，实验室惨白的荧光灯将她的身影笼罩其中。镜头缓缓推进她的面部特写，细腻的横向推移突显出她眉宇间深深刻画的忧思与焦虑。她专注地俯身于实验台前，目不转睛地透过显微镜观察，手套包裹的双手正谨慎地微调着焦距。整个场景笼罩在压抑的色调之中，防护服呈现出令人不安的黄色，与实验室冰冷的不锈钢器械相互映衬，无声地诉说着事态的严峻和未知的威胁。景深精确控制下，镜头对准她眼中流露的恐惧，完美传达出她肩负的重大压力与责任
晨光徐徐升起，为这幅精心布置的早餐图景镀上一层温暖的金边。金黄色的枫糖浆如丝绸般缓缓流淌，轻柔地浇注在层层叠起的蓬松松饼上，每一片松饼都袅袅升起缕缕暖意盎然的水汽。特写镜头捕捉着金黄酥脆的培根，只见它滋滋作响，细小的油珠在阳光下化作金色光点翩翩起舞。醇香的咖啡优雅地旋转注入通透的玻璃杯中，逐渐在杯中漾开层层叠叠的焦糖色咖啡奶泡。最后，镜头如潜水般俯入一枚刚切开的鲜橙，以震撼的微距视角展现出饱满晶莹、汁水四溢的果肉纹理
只需在提示中输入「18mm lens」，Veo 2就得知创建拍摄广角镜头，或在提示中加入「浅景深」（shallow depth of field）它便可模糊背景，突出主体。
不仅如此，Veo 2很少有「幻觉」，比如AI视频中多出的手指问题。
沃顿商学院教授Ethan Mollick实测Sora时，结果发现水獭在飞机上使用WiFi的画面中，长出了人类的手，非常诡异。
它在创建逼真、充满活力或复杂的视频，以及在复杂的运动场景中，难以保持一致性。
下面这位冰上舞者的双腿，在复杂的前进运动中，出现了变形。
在安全性方面，谷歌为Veo 2加入了隐形的SynthID水印，有助于一眼识别是AI生成的内容。
目前，Veo 2已经登录VideoFX，预计明年它将进军YouTube Shorts等平台，为内容创作者开启全新的可能性。
